R análisis de riesgos por el Fenómeno del Niño

Introducción

El Fenómeno del Niño, un complejo y periódico patrón climático originado en el Océano Pacífico, tiene efectos significativos y de amplio alcance en los patrones climáticos globales. Caracterizado por el calentamiento anómalo de las aguas superficiales en el Pacífico ecuatorial oriental, este fenómeno no solo altera los sistemas meteorológicos locales, sino que también tiene repercusiones en la salud, la agricultura, los ecosistemas, y la economía a nivel mundial.

El impacto del Fenómeno del Niño es especialmente notable en su capacidad para modificar los patrones de precipitación y temperatura, lo que puede llevar a extremos climáticos como sequías e inundaciones. Estos cambios, a su vez, pueden desencadenar una serie de riesgos y desafíos para las sociedades humanas y los entornos naturales.

Dada la naturaleza impredecible y los efectos potencialmente devastadores del Fenómeno del Niño, es crucial realizar un análisis detallado de los riesgos asociados. Este análisis puede ayudar a las comunidades, gobiernos y organizaciones internacionales a prepararse y responder de manera más efectiva a los desafíos planteados por estos eventos climáticos.

Objetivos

El propósito principal de este informe es realizar un análisis exhaustivo de los riesgos asociados con el Fenómeno del Niño, utilizando herramientas estadísticas y de análisis de datos en R. Los objetivos específicos incluyen:

• Comprensión del Fenómeno: Explorar la naturaleza y las causas del Fenómeno del Niño, así como sus patrones históricos y actuales.

• Identificación de Riesgos: Identificar las áreas geográficas y los sectores más vulnerables a los impactos del Fenómeno del Niño, incluyendo la agricultura, la salud pública, y la infraestructura.

• Análisis de Datos Climáticos: Utilizar conjuntos de datos climáticos para analizar tendencias, frecuencia y severidad de los eventos relacionados con el Fenómeno del Niño.

• Evaluación de Impacto: Evaluar los impactos socioeconómicos y ambientales del Fenómeno del Niño, con un enfoque en eventos recientes.

• Recomendaciones para la Mitigación de Riesgos: Desarrollar recomendaciones basadas en datos para la mitigación de riesgos y la preparación ante futuros eventos del Fenómeno del Niño.

Preparación de los datos

Limpieza del entorno:

rm(list = ls())

Análisis Exploratorio de datos Univariado

Calcularemos algunos estadísticos descriptivos y crearemos visualizaciones de la distribución de una sola variable (histogramas, gráficos de caja y bigotes).

Carga los paquetes que se van a utilizar:

library(tidyverse)

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.4
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.4.4     ✔ tibble    3.2.1
## ✔ lubridate 1.9.3     ✔ tidyr     1.3.0
## ✔ purrr     1.0.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

library(lubridate)
library(sf)

## Linking to GEOS 3.11.2, GDAL 3.7.2, PROJ 9.3.0; sf_use_s2() is TRUE

library(tmap)

## Breaking News: tmap 3.x is retiring. Please test v4, e.g. with
## remotes::install_github('r-tmap/tmap')

library(raster)

## Loading required package: sp
## 
## Attaching package: 'raster'
## 
## The following object is masked from 'package:dplyr':
## 
##     select

library(leaflet)

Carga de datos

areas_inundables <-
st_read("data/areas_inundables_minam/areas_inundables_minam.shp") %>% 
  glimpse()

## Reading layer `areas_inundables_minam' from data source 
##   `C:\work\GeoAnalisis\RiesgosNino\data\areas_inundables_minam\areas_inundables_minam.shp' 
##   using driver `ESRI Shapefile'
## Simple feature collection with 33 features and 9 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: -81.32823 ymin: -17.7804 xmax: -68.9961 ymax: -3.381773
## Geodetic CRS:  WGS 84
## Rows: 33
## Columns: 10
## $ SIMBOLO_   <chr> NA, NA, NA, NA, NA, NA, "Bo", "Bo", "V-a", "V-a", "V-a", "V…
## $ REGIóN2    <chr> "Costa", "SELVA - Selva Alta", "SIERRA - Zona Altoandina", …
## $ FISIOG1    <chr> NA, "Planicie - Fondo de valle y llanura aluvial", "Planici…
## $ COBUSO     <chr> NA, "Bosque humedo tropical", "Pajonal", "Pastos hidromórfi…
## $ SIMBOLO    <chr> NA, NA, NA, NA, NA, NA, "Bo", "Bo", NA, "Mg", NA, NA, NA, N…
## $ NOMBRE     <chr> NA, NA, NA, NA, NA, NA, "Bofedal", "Bofedal", NA, "Manglar"…
## $ Shape_Leng <dbl> 1.171840e+02, 5.633069e+00, 2.873017e+01, 5.985941e+00, 3.6…
## $ Shape_Area <dbl> 5.019847e-01, 2.423711e-02, 4.726811e-01, 1.680474e-02, 1.5…
## $ OBJECTID   <dbl> 1, 3, 12, 13, 14, 15, 16, 17, 27, 28, 29, 31, 32, 33, 34, 3…
## $ geometry   <MULTIPOLYGON [°]> MULTIPOLYGON (((-80.63729 -..., MULTIPOLYGON (…

Mapa R (ggplot)

ggplot(data = areas_inundables) +
    geom_sf() +
    theme_minimal()

mapa <- leaflet(areas_inundables) %>%
    addProviderTiles(providers$OpenStreetMap) %>%
    addPolygons(fillColor = ~colorFactor(palette = "viridis", domain = REGIóN2)(REGIóN2),
                weight = 1,
                color = "white",
                fillOpacity = 0.7,
                popup = ~paste("Región: ", REGIóN2, "<br>",
                               "Fisiografía: ", FISIOG1, "<br>",
                               "Uso: ", COBUSO))
mapa